在第 20 练中我们了解了如何用numpy读取文本文件及其常用方法的介绍，但其实 Numpy读取文本文件里的细微门道还是挺多的，稍有不注意可能读取的数据就不是自己想要的，我们先来看一个具体的例子：

此时问题就来了，为什么使用dtype为None时得出的ndarray对象是一维的，而将dtype指定为U16时得出的ndarray对象又是二维的呢？

genfromtxt的内部操作

上面的这个疑问其实涉及到了genfromtxt函数如何处理和解析数据，以及dtype参数是如何影响最终数组结构的。

首先，np.genfromtxt是一个用于从文本文件加载数据并按指定格式转换为数组的函数。参数dtype决定了数组中元素的数据类型。当dtype=None时，numpy会尝试为每列数据推断出最合适的数据类型。

当dtype=None时：

在这种情况下，numpy会检查CSV文件中每一列的数据，并尝试为每一列确定一个合适的数据类型。这意味着输出数组中的每一行将会是一个结构化数组的元素，每一列成为结构化元素中的一个字段。因此，虽然物理上存储为一维数组，但逻辑上每个元素实际上包含了多个子元素（对应于原始数据的各个列），从而形成了类似于二维数据的结构。但是，整体来看，这个数组实际上是一维的，每个数组元素是一个复合类型（类似于Python中的元组），包含了不同列的数据。

当指定了特定的dtype（如U16）时：

在这种情况下，你是在告诉numpy将所有的数据都强制转换为指定的数据类型（在这里是长度为16的Unicode字符串类型）。因此，不管原始数据的类型如何，所有的数据都会被读取并转换为字符串。在这种情况下，numpy没有理由将数据读取为结构化数组，因为你已经指定了一个具体的、统一的数据类型。因此，它会生成一个二维数组，其中每行对应文件中的一行，每列对应行中的一个元素。

所以，dtype=None让numpy决定最合适的数据类型，通常会导致生成一个一维结构化数组，每个元素包含了多个数据字段。而指定特定的dtype（如U16）会导致numpy将所有数据读取为这种类型，从而生成一个普通的二维数组。

读取数据

在使用Numpy操作数据时，只要事先明确数组的shape，才能确定相应的数据访问方法，接下来我们设定一道练习题，那就是针对上面的一维数组和二维数组，如何只取第 5 列也就是最后一列的数据？

从上图可知，如果我们只看前 5 行数据，发现一维数组与二维数组的数据长的几乎是一样的，但如果我们只看第一行的数据，差别一下子就会显现出来：

如上图所示，一维数组d_None的每一行其实是一个Python的元组，而二维数组d_Unicode的每一行其实还是Numpy数组：

正是因为这种差别，如果我们只想访问最后一列的数据，对一维数据而言，因为它没有列的概念，所以在每一行中只能通过遍历的方式获取最后一个，而针对二维数组想要读取最后一列，一个切片操作就能搞定：

小结

本次练习主要是强调了dtype对Numpy的重要性以及其内部的类型推理机制，另外同样复习了Python及Numpy数组的切片操作。还是那句话，如果你也想进军 AI，一定要从这些基础的技能开始疯狂练习！